马克·居特勒;马文·泽尔纳 信贷风险参数分布的异质性：模式定义了最佳估计方法。 （英语） Zbl 1517.90071号 OR光谱 45，编号1，251-287（2023）. 摘要：调查统计方法估计准确性的比较研究往往得出不同的结论。因此，目前尚不清楚哪种方法最适合于特定的估算任务。虽然这一问题存在于预测分析的许多领域，但由于对估计方法的透明度和质量的监管要求，这一问题在银行业尤其重要。对于相关信用风险参数违约损失（LGD）的估计，我们发现不同的结果可以归因于各自LGD分布的模态类型。具体而言，我们使用聚类分析来确定16个欧洲国家32851笔违约贷款的贷款组合LGD分布的异质性。分析得出三个集群，它们的分布在模态类型上存在本质上的差异。对于每种模态类型，我们实证地确定了20种估计方法的准确性，包括传统回归和高级机器学习。我们表明，特定的模态类型对最佳方法至关重要。结果并不局限于银行业，因为目前基于聚类分析的方法选择的分布类型相关建议也可以应用于预测分析所有领域的参数估计问题。 理学硕士： 90B50型 管理决策，包括多个目标 90B25型 运筹学中的可靠性、可用性、维护和检查 68T05型 人工智能中的学习和自适应系统 62M20型 随机过程推断和预测 关键词：风险管理;参数估计;LGD分布;机器学习;全球信贷数据 软件：亚当;ElemStatLearn（电子状态学习）;柔性混音;应用的预测建模;科恩拉布 PDF格式BibTeX公司 XML格式引用 \textit{M.Gurtler}和\textit{M.Zöllner}，OR Spectrum 45，No.1，251--287（2023；Zbl 1517.90071） 全文： 内政部 OA许可证 参考文献： [1] 阿尔特曼，EI；Kalotay，E.，《最终回收混合物》，J Bank Finance，40，116-129（2014）·doi:10.1016/j.jbankfin.2013.11.021 [2] Baesens B，Viaene S，van Gestel T，et al（2000）最小二乘支持向量机分类器核类型性能的实证评估。年：KES’2000第四届基于知识的智能工程系统及相关技术国际会议。诉讼（分类号00TH8516）。IEEE，第313-316页。doi:10.1109/KES.2000.885819 [3] 巴塞尔银行监管委员会（2016年）减少信贷风险加权资产的变化——对内部模型方法使用的限制。咨询文件。https://www.bis.org/bcbs/publ/d362.pdf [4] 巴塞尔银行监管委员会（2017年）《巴塞尔协议iii：完成危机后改革》。https://www.bis.org/bcbs/publ/d424.pdf [5] Bastos，JA，《预测银行贷款损失-违约》，J bank Finance，34，10，2510-2517（2010）·doi:10.1016/j.jbankfin.2010.04.011 [6] 马萨诸塞州巴斯托斯，《复苏率的综合预测》，《J Bank Finance Ser Res杂志》，46，2，177-193（2014）·doi:10.1007/s10693-013-0165-3 [7] 鲍曼，P。；霍奇鲍姆，DS；Yang，YT，《领先机器学习技术和两种新优化算法的比较研究》，《Eur J Oper Res》，272，3，1041-1057（2019）·Zbl 1403.90560号 ·doi:10.1016/j.ejor.2018.07.009 [8] 布里戈·贝洛蒂（Brigo D.Bellotti）。；Gambetti，P.，《利用机器学习预测不良贷款回收率》，《国际J预测》，37，1，428-444（2021）·doi:10.1016/j.ij预测.2020.06.009 [9] 贝洛蒂，T。；Crook，J.，《考虑信用卡宏观经济变量的损失违约模型》，《国际J预测》，第28、1、171-182页（2012年）·doi:10.1016/j.ij预测.2010.08.005 [10] Bergstra，J。；Bengio，Y.，《超参数优化的随机搜索》，J Mach Learn Res，13，10，281-305（2012）·Zbl 1283.68282号 [11] 贝茨，J。；凯尔纳，R。；Rösch，D.，《违约损失之间的系统效应及其对衰退估计的影响》，《欧洲运营研究杂志》，271,31113-144（2018）·Zbl 1403.91359号 ·doi:10.1016/j.ejor.2018.05.059 [12] Bishop，CM，模式识别神经网络（1995），牛津：牛津大学出版社和克拉伦登出版社，牛津 [13] 不列颠哥伦比亚省博姆克；Greenwell，B.，《R（2020）的动手机器学习》，纽约：查普曼霍尔/CRC the R series，纽约·兹比尔1427.68002 [14] Breiman，L.，分类和回归树（1984），纽约：查普曼霍尔/CRC，纽约·Zbl 0541.62042号 [15] Breiman，L.，《随机森林》，《马赫学习》，第45、1、5-32页（2001年）·Zbl 1007.68152号 ·doi:10.1023/A:1010933404324 [16] Chava，S。；斯特凡内斯库，C。；Turnbull，S.，《损失分布建模》，《管理科学》，57，7，1267-1287（2011）·doi:10.1287/mnsc.110.1345 [17] 陈，C。；Breiman，L.，《使用随机森林学习不平衡数据》，1-12（2004），伯克利：加州大学伯克利分校 [18] Cheng，H。；陈，H。；江，G。；Perner，P.，通过相关特征向量机进行非线性特征选择，模式识别中的机器学习和数据挖掘，144-159（2007），柏林，海德堡：施普林格，柏林·doi:10.1007/978-3-540-73499-4_12 [19] Dermine，J。；de Carvalho，CN，《银行贷款损失担保违约：案例研究》，《银行金融杂志》，30，4，1219-1243（2006）·doi:10.1016/j.jbankfin.2005.05.005 [20] 欧洲银行管理局（2016）PD估计指南。LGD估计和违约风险的处理，咨询文件 [21] 欧洲银行管理局（2017）根据IRB调查结果对GL对PD、LGD和违约风险处理的影响评估。欧洲银行业协会IRB建模实践报告 [22] 欧洲委员会（2016）《内部市场、行业、创业和中小企业》。SBA概况介绍 [23] Freund Y，Schapie RE（1996）使用新的增强算法进行实验。In:机器学习国际会议第148-156页 [24] Friedman，JH，多元自适应回归样条，Ann Stat，19，1，1-67（1991）·Zbl 0765.62064号 [25] Friedman，JH，《贪婪函数近似：梯度提升机》，《Ann Stat》，29，5，1189-1232（2001）·Zbl 1043.62034号 ·doi:10.1214/aos/1013203451 [26] 格里帕，P。；Iannotti，S。；Leandri，F.，《银行业的复苏率：意大利经验中出现的风格化事实》，Next Chall Credit Risk Manag Recovery Risk，121141121-141（2005） [27] Grunert，J。；韦伯，M.，《商业贷款回收率：德国公司的经验证据》，J Bank Finance，33，3，505-513（2009）·doi:10.1016/j.jbankfin.2008.09.002 [28] Gürtler，M。；Hibbeln，M.，《考虑银行贷款违约预测的损失改善》，《J bank Finance》，第37、7、2354-2366页（2013年）·doi:10.1016/j.jbankfin.2013.01.031 [29] 哈特曼·温德尔斯，T。；米勒，P。；Töws，E.，《租赁违约损失：参数和非参数估计》，《银行金融杂志》，第40期，第364-375页（2014年）·doi:10.1016/j.jbankfin.2013.12.006 [30] 哈斯蒂，T。；Tibshirani，R。；Friedman，JH，《统计学习的要素：数据挖掘、推理和预测》，第二版，第12次印刷时更正（2017年），纽约：施普林格，纽约 [31] 希顿，J.，《Java神经网络导论》（2008），密苏里州圣路易斯：希顿研究所 [32] Hothorn，T。；霍尼克，K。；Zeileis，A.，《无偏递归分区：条件推理框架》，《计算与图形统计杂志》，第15、3、651-674页（2006年）·doi:10.1198/106186006X133933 [33] 赫尔林，C。；Leymarie，J。；Patin，A.，《给定损失的损失函数——默认模型比较》，Eur J Oper Res，268，1348-360（2018）·Zbl 1403.91363号 ·doi:10.1016/j.ejor.2018.01.020 [34] Kaposty，F。；Kriebel，J。；Löderbusch，M.，《租赁违约损失预测：模型和变量选择》，《国际J预测》，36，2，248-266（2020）·doi:10.1016/j.ij预测2019.05.009 [35] Karatzoglou A、Smola A、Hornik K（2004）kernlab–R.J Stat Softw中内核方法的s4包。doi:10.18637/jss.v011.i09 [36] 金，RD；冯，C。；Sutherland，A.，Statlog:大型现实问题分类算法的比较，Appl Artif Intell，9，3，289-333（1995）·doi:10.1080/08839519508945477 [37] Kingma D，Ba J（2014）Adam：一种随机优化方法。参加：学习表现国际会议 [38] Krüger，S。；Rösch，D.，《使用分位数回归的下行LGD建模》，《J Bank Finance》，79，42-56（2017）·doi:10.1016/j.jbankfin.2017.03.001 [39] 库恩，M。；Johnson，K.，应用预测模型，第5次修正（2016），纽约：Springer，纽约 [40] 库恩，M。；Quinlan，R.，基于规则和实例的回归建模，R Package Vers，2，1-14（2018） [41] Leich F（2004）Flexmix:R.J Stat Softw中有限混合模型和潜在类回归的一般框架。10.18637/jss.v011.i08 [42] 洛特曼，G。；布朗，I。；Martens，D.，《给定损失建模的基准回归算法》，《国际J预测》，第28、1、161-170页（2012年）·doi:10.1016/j.ijforecast.2011.01.006 [43] MacQueen，J.，《多元观测分类和分析的一些方法》，第五届伯克利数理统计与概率研讨会论文集，281-297（1967），加州伯克利：加州大学出版社，加州伯克莱·Zbl 0214.46201号 [44] Matuszyk，A。；梅斯，C。；Thomas，LC，《无担保个人贷款的LGD建模：决策树方法》，J Oper Res Soc，61，3，393-398（2010）·doi:10.1057/jors.2009.67 [45] 米勒，P。；Töws，E.，《租赁违约调整解决流程的损失》，J Bank Finance，91，189-201（2018）·doi:10.1016/j.jbankfin.2017.01.020 [46] 最小，A。；谢勒，M。；Schischke，A.，《美国中小型实体的回收率建模》，《数学》，第8、11、1856页（2020年）·doi:10.3390/毫米8111856 [47] Mora，N.，《债权人复苏：产业均衡的宏观经济依赖性》，《金融Stab杂志》，第18期，第172-186页（2015年）·doi:10.1016/j.jfs.2015.04.004 [48] 纳泽米，A。；脂肪倾倒，F。；Heidenreich，K.，损失-违约建模的模糊决策融合方法，《运营研究社会杂志》，262，2，780-791（2017）·Zbl 1376.91171号 ·doi:10.1016/j.ejor.2017.04.008 [49] 齐，M。；赵欣，违约损失建模方法比较，J Bank Finance，35，11，2842-2855（2011）·doi:10.1016/j.jbankfin.2011.03.011 [50] Querci F（2005）意大利中型银行贷款违约损失：一项实证研究。欧洲财务管理协会 [51] Quinlan JR（1993）结合基于实例和基于模型的学习。摘自：第十届机器学习国际会议论文集，ICML'93。Morgan Kaufmann Publishers Inc.，美国加利福尼亚州旧金山，第236-243页 [52] Smith，G.，Step away from stepwise，《大数据杂志》（2018）·doi:10.1186/s40537-018-0143-6 [53] 索皮蓬斯顿，N。；Silvapulle，P。；Gao，J.，贷款回收率的局部logit回归，J Bank Finance，126，4，106093（2021）·doi:10.1016/j.jbankfin.2021.106093 [54] Strobl，C.，基于不精确概率的分类树中的变量选择偏差，讨论Pap，419386（2005）·doi:10.5282/ubm/epub.1788 [55] Talaba G（2019）使用插入符号进行超参数调整，以消除作者姓名歧义。摘自：第18届国际经济教育、研究和商业技术信息学会议记录。布加勒斯特经济研究大学出版社，《经济学报信息学国际会议》，第129-134页。doi:10.12948/ie2019.03.08 [56] 塔努埃，Y。；Yamashita，S.，《给定损失的违约估计：基于分类树的提升和支持向量逻辑回归的两阶段模型》，J Risk，21，4，19-37（2019）·doi:10.21314/JOR.2019.405 [57] Tibshirani，R.，通过套索进行回归收缩和选择，J R Stat Soc Ser B（方法学），58，1，267-288（1996）·Zbl 0850.62538号 ·doi:10.1111/j.2517-6161.1996.tb02080.x [58] Tipping ME，Smola A（2001）稀疏贝叶斯学习和相关向量机。机器学习研究杂志1（3）。doi:10.1162/15324430152748236·Zbl 0997.68109号 [59] 托巴克，E。；Martens，D。；van Gestel，T.，《给定违约模型的预测损失：账户特征和宏观经济状态的影响》，《运营研究社会杂志》，65，3，376-392（2014）·doi:10.1057/jors.2013.158 [60] 范格斯特尔，T。；日本苏肯斯；Baesens，B.，《基准最小二乘支持向量机分类器》，《马赫学习》，54，1，5-32（2004）·Zbl 1078.68737号 ·doi:10.1023/B:MACH.0000008082.80494.e0 [61] Vapnik，VN，统计学习理论的本质（1995），纽约：Springer，纽约·兹比尔0836.2008 ·数字对象标识代码：10.1007/978-1-4757-2440-0 [62] Ward，JH，优化目标函数的分层分组，J Am Stat Assoc，58，301，236（1963）·doi:10.2307/2282967 [63] 威廉姆斯，C。；Rasmussen，C.，回归的高斯过程，神经信息处理系统的进展8，514-520（1996），马萨诸塞州剑桥市，美国：Max-Planck-Gesellschaft。麻省理工学院出版社，美国马萨诸塞州剑桥 [64] 杨，BH；Tkachenko，M.，《违约风险和违约损失建模：实证方法和技术实施》，《信贷风险杂志》，8，2，81-102（2012）·doi:10.21314/JCR.2012.139 [65] 姚，X。；克鲁克，J。；Andreeva，G.，《违约建模损失的支持向量回归》，《欧洲运营研究杂志》，240，2528-538（2015）·Zbl 1357.91050号 ·doi:10.1016/j.ejor.2014.06.043 [66] 姚，X。；克鲁克，J。；Andreeva，G.，《使用支持向量机增强违约损失的两阶段建模方法》，《欧洲运营研究杂志》，263，2679-689（2017）·doi:10.1016/j.ejor.2017.05.017 [67] Yashkir，O。；Yashkir，Y.，《违约损失建模：比较分析》，《有效期刊风险模型》，7，1，25-59（2013）·doi:10.21314/JRMV.2013.101 [68] Ye，H。；Bellotti，A.，不良贷款回收率建模，风险，7，1，1-17（2019）·doi:10.3390/risks7010019 [69] 邹，H。；Hastie，T.，《通过弹性网进行正则化和变量选择》，J R Stat Soc Ser B（统计方法），67，5，768（2005）·Zbl 1069.62054号 ·文件编号：10.1111/j.1467-9868.200527.x 此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配，并且可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。